How is family financial data protected?

Account and personal data are encrypted in transit and at rest, and are not shared with third parties for marketing purposes. Internal access is limited to the functions required to generate a recommendation.

What data is used to train the predictive models?

The models are trained on historical market pricing, macroeconomic indicators, and anonymised portfolio structures. No single household's data is used to train models relied upon by other accounts.

What does "backtested" mean in this context?

A backtested strategy has been applied retrospectively to historical market data to measure how it would have performed. Backtested performance does not guarantee future results and is provided for comparative analysis only.

How often are the models recalibrated?

Models are reviewed and recalibrated as new market data becomes available. Frequency depends on market conditions rather than a fixed calendar schedule.

Tableau de bord d'analyse prédictive The Profits Circle utilisé pour la planification financière des ménages

Clarté prédictive pour la sécurité financière familiale à long terme

The Profits Circle applique des backtests basés sur l'IA à des décennies de données de marché, convertissant le bruit à court terme en stratégies quantifiées et pondérées en fonction des risques, conçues pour la planification financière des ménages.

Plateforme d'accès

Sortie du modèle – Exemple de lecture

Rapport signal/bruitÉlevé

Couverture des backtestsMulticycle × multi-actifs

Correspondance de la tolérance au risqueDéfini par le ménage

Actualisation du modèleContinu

Fondements techniques

Construit sur une discipline de données vérifiables

Trois piliers techniques sous-tendent chaque recommandation générée par la plateforme. Chacun est conçu pour être auditable plutôt que affirmé.

Surveillance : alimentation continue du marché

Atténuation des risques en temps réel

L'exposition du portefeuille est réévaluée en permanence par rapport aux données de marché entrantes, signalant les écarts par rapport à la tolérance au risque définie par un ménage avant qu'ils ne s'aggravent.

Validation : tests historiques multicycles

Exactitude historique backtestée

Chaque stratégie est testée par rapport aux cycles historiques du marché, y compris les périodes de contraction, avant d'être présentée comme une recommandation plutôt qu'après coup.

Architecture : Ingestion multi-actifs

Traitement des données évolutif

Les modèles sous-jacents traitent simultanément les données sur toutes les classes d'actifs et sur toutes les périodes, maintenant ainsi une analyse cohérente à mesure que la portée des avoirs d'un ménage augmente.

À propos de The Profits Circle

Une couche analytique entre les données de marché et les décisions des ménages

The Profits Circle a été conçu pour donner aux familles à revenu moyen l'accès à la même classe d'analyses quantifiées et backtestées traditionnellement réservées aux portefeuilles institutionnels.

Plutôt que de publier des commentaires génériques sur le marché, la plateforme traite l'horizon temporel spécifique de chaque compte, les exigences de liquidité et la tolérance au risque par rapport aux précédents historiques, produisant un ensemble défini d'options stratégiques classées.

En savoir plus sur notre approche →

Espace de travail d'équipe The Profits Circle utilisé pour le développement de modèles et l'analyse de données

Méthodologie

Des données brutes de marché à une recommandation pondérée

La plateforme suit un pipeline fixe à quatre étages. Chaque étape réduit l'ensemble de données et réduit l'influence de la réaction émotionnelle à court terme sur le résultat final.

Ingestion de données

Les données de marché, macroéconomiques et au niveau des comptes sont collectées et normalisées dans une structure commune avant le début de l'analyse.

Reconnaissance de formes

Les modèles statistiques identifient les structures récurrentes du comportement des prix et les corrèlent aux résultats historiques.

Pondération des risques

Les modèles identifiés sont pondérés en fonction de l'horizon temporel déclaré d'un ménage, de ses besoins de liquidité et de sa tolérance au risque.

Résultat de la stratégie

Le modèle produit un ensemble classé d'options stratégiques, chacune annotée avec ses performances backtestées dans des conditions historiques comparables.

Étape du pipeline	Fonction principale	Biais réduit
Ingestion	Normalisation des données	Erreur de saisie manuelle
Reconnaissance de formes	Corrélation statistique	Biais de récence
Pondération des risques	Correspondance de contraintes	Surexposition émotionnelle
Résultat de la stratégie	Recommandation classée	Paralysie décisionnelle

Étapes : 4 fixe Traitement : continu Résultat : classé et annoté

Scénarios appliqués

Contexte de la planification familiale pour les pays à revenu intermédiaire

Les exemples ci-dessous illustrent comment le pipeline distingue un signal réel du bruit ordinaire du marché dans deux scénarios domestiques courants.

Prévisions de retraite à long terme

Pour un ménage à vingt ans de la retraite, le modèle peut recommander un calendrier de réallocation progressive, en déplaçant la pondération vers des instruments à faible volatilité à mesure que la date cible approche, sur la base des tendances observées au cours de plusieurs cycles de marché historiques.

Cela reflète le comportement des portefeuilles diversifiés au cours des périodes passées de contraction prolongée, où la réallocation par étapes a réduit l'exposition aux pertes par rapport aux allocations statiques restées inchangées tout au long.

Optimisation des fonds éducatifs

Pour un fonds avec un horizon fixe de dix ans, le modèle distingue la volatilité des marchés à court terme des tendances structurelles sous-jacentes, en ajustant les recommandations pondérées en fonction des contributions à l'approche de la date de retrait.

Les données historiques montrent que les fonds à horizon fixe sont affectés de manière disproportionnée par le bruit à court terme à l’approche de la date de retrait ; l'étape de reconnaissance de formes est conçue pour filtrer ce bruit du signal authentique.

Transparence

Questions sur les données, les modèles et les risques

Les réponses ci-dessous sont factuelles et limitées au fonctionnement réel de la plateforme.

Comment les données financières familiales sont-elles protégées ?

Les données de compte et personnelles sont cryptées en transit et au repos, et ne sont pas partagées avec des tiers à des fins de marketing. L'accès interne est limité aux fonctions nécessaires à la génération d'une recommandation.

Quelles données sont utilisées pour entraîner les modèles prédictifs ?

Les modèles sont formés sur les prix historiques du marché, les indicateurs macroéconomiques et les structures de portefeuille anonymisées. Aucune donnée d'un seul ménage n'est utilisée pour former des modèles sur lesquels s'appuient d'autres comptes.

Que signifie « backtesté » dans ce contexte ?

Une stratégie backtestée a été appliquée rétrospectivement aux données historiques du marché pour mesurer ses performances. Les performances backtestées ne garantissent pas les résultats futurs et sont fournies uniquement à des fins d’analyse comparative.

À quelle fréquence les modèles sont-ils recalibrés ?

Les modèles sont revus et recalibrés à mesure que de nouvelles données de marché deviennent disponibles. La fréquence dépend des conditions du marché plutôt que d'un calendrier fixe.

Toutes les recommandations sont générées à des fins analytiques et doivent être prises en compte parallèlement à des conseils financiers indépendants. Lire la divulgation complète des risques →